TensorFlow 2.0 将包含许多 API 变更-德赢Vwin官网网

TensorFlow 2.0 将包含许多 API 变更，例如，对参数进行重新排序、重新命名符号和更改参数的默认值。手动执行所有这些变更不仅枯燥乏味，而且容易出错。为简化变更过程并让您尽可能顺畅地过渡到 TensorFlow 2.0，TensorFlow 工程团队创建了实用程序 tf_upgrade_v2，可帮助您将旧代码转换至新 API。

传送门：

tf_upgrade_v2：https://github.com/tensorflow/docs/blob/master/site/en/r2/guide/upgrade.md

使用 pip 安装 TensorFlow 2.0 时，系统会自动添加 tf_upgrade_v2 实用程序。该程序可将现有的 TensorFlow 1.13 Python 脚本转换为 TensorFlow 2.0，以帮助加快您的升级过程。

我们已尝试自动化处理尽可能多的升级任务，但脚本仍无法处理一些句法和风格方面的变更。

某些 API 符号可能无法仅使用字符串替代方案简单升级。为确保 TensorFlow 2.0 仍支持您的代码，升级脚本加入了 compat.v1 模块。此模块将以等效的 tf.compat.v1.foo 引用代替表单 tf.foo 的调用。不过，建议您手动检查此类替代方案，并尽快将其迁移至 tf.* 命名空间（代替 tf.compat.v1.* 命名空间）中的新 API。

此外，由于我们弃用了某些模块（例如 tf.flags 和 tf.contrib)，您将无法通过切换至 compat.v1 来实现 TensorFlow 2.0 中的某些变更。升级使用这些模块的代码可能需要额外使用一个库（如 absl.flags）或切换至 tensorflow/addons 中的软件包。

传送门：

tensorflow/addons：

https://github.com/tensorflow/addons

如果您想尝试将模型从 TensorFlow 1.12 升级至 TensorFlow 2.0，请按照下方说明执行操作：

首先，安装 tf-nightly-2.0-preview / tf-nightly-gpu-2.0-preview。注意：使用 pip 安装 TensorFlow 1.13 及以上版本（包括 nightly 2.0 构建版）时，系统会自动安装 tf_upgrade_v2。

您可以在单个 Python 文件上运行升级脚本：

tf_upgrade_v2 --infile foo.py --outfile foo-upgraded.py

您也可以在目录树上运行升级脚本：

# upgrade the .py files and copy all the other files to the outtree

tf_upgrade_v2 --intree foo/ --outtree foo-upgraded/

# just upgrade the .py files

tf_upgrade_v2 --intree foo/ --outtree foo-upgraded/ --copyotherfiles False

此脚本还会列出详细的变更，例如参数重命名：

添加关键字：

以及推荐进行的任何手动检查情况：

所有这些信息将导出至主目录的 report.txt 文件中。在 tf_upgrade_v2 运行升级后的脚本并将其导出后，您便可运行模型并进行检查，以确保您的输出与 TensorFlow 1.13 类似：

注意：

在运行此脚本前，请勿手动升级部分代码。特别要注意的是，在对函数中的 tf.argmax 或 tf.batch_to_space 等参数进行重新排序后，脚本会错误地添加关键字参数并导致现有的代码发生错误映射

此脚本不会对参数进行重新排序。相反，此脚本会将关键字参数添加至对自身参数进行重新排序的函数中

如要报告升级脚本错误或发出功能请求，请在 GitHub 上提交问题。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

API

API

+关注

关注
2

文章
1499

浏览量
61955
代码

代码

+关注

关注
30

文章
4779

浏览量
68516
tensorflow

tensorflow

+关注

关注
13

文章
329

浏览量
60527

原文标题：请注意更新TensorFlow 2.0的旧代码

文章出处：【微信号：rgznai100，微信公众号：rgznai100】欢迎添加关注！文章转载请注明出处。

链接器包含许多来自API库的死代码

你好，可以考虑将API库源拆分为更小的单元，最好是将每个函数分成单独的文件/模块。这将为链接器提供仅包含对应用程序强制的代码的机会。问候，K 以上来自于百度翻译以下为原文Hi,Co

发表于 06-19 16:14

TensorFlow是什么

TensorFlow 在深度学习模型中的应用，使读者可以轻松地将模型用于数据集并开发有用的应用程序。每章包含一系列处理技术问题、依赖性、代码和解读的示例，在每章的最后，还有一个功能完善的深度学习模型。

发表于 07-22 10:14

TensorFlow教程|常见问题

的。从社区的利益出发，我们想要支持更多的客户端语言。 TensorFlow 有一个基于 C 的客户端 API ，它使得用许多不同的语言创建客户端变得很容易。我们请大家在新语言绑定上做出努力

发表于 07-27 18:33

高阶API构建模型和数据集使用

了TensorFlow2.0Beta版本，同pytorch一样支持动态执行(TensorFlow2.0默认eager模式，无需启动会话执行计算图)，同时删除了杂乱低阶API，使用高阶API

发表于 11-04 07:49

TensorFlow的特点和基本的操作方式

2015年11月在GitHub上开源，在2016年4月补充了分布式版本，最新版本为1.10，2018年下半年将发布Tensorflow 2.0预览版。Tensorflow目前仍处于快速

发表于 11-23 09:56

JDBCTM 2.0 API

The JDBCTM API is the JavaTM standard call-level API for database access. This documentcontains the final specification of the JDBC

发表于 10-14 17:42 •6次下载

如何结合TensorFlow目标检测API和OpenCV分析足球视频

使用Tensorflow的目标检测API，可以快速搭建目标检测模型。如果你不熟悉这套API，可以看下我之前写的介绍Tensorflow目标检测API

发表于 07-08 09:38 •6365次阅读

TensorFlow的2.0 版本将来临

TensorFlow 2.0 的一部分，我们将停止分发 tf.contrib。我们将在未来几个月与 contrib 模块的所有者合作制定详细的迁移计划，包括如何在我们的社区页面和文档中宣传您的

发表于 08-15 09:01 •5500次阅读

机器学习框架Tensorflow 2.0的这些新设计你了解多少

总是无法被撼动。而就在即将到来的2019年，Tensorflow 2.0将正式入场，给暗流涌动的框架之争再燃一把火。

发表于 11-17 11:33 •3153次阅读

TensorFlow 2.0马上要来了，还不速来了解下新架构？

TensorFlow始终为生产提供了直接部署方式。无论是部署在服务器、边缘设备还是Web上，TensorFlow都可以让用户对模型实现轻松训练和部署。无论用户使用何种语言或平台。在TensorFlow

发表于 01-16 08:45 •2908次阅读

TensorFlow2.0终于问世，Alpha版可以抢先体验

之前开发者反馈，希望TensorFlow能够简化API、减少冗余并改进文档和示例。这次2.0发布，听取了开发者的建议，因此新版本有以下三大特点：简单、强大、可拓展。

发表于 03-08 09:30 •3625次阅读

TensorFlow 2.0 alpha提供即将发生的变化的预览

。Alpha 版文档中的每个教程均会自动下载并安装 TensorFlow 2.0 Alpha 版，并且后续将提供更多内容！

发表于 03-10 10:17 •2929次阅读

TensorFlow的11个使用技巧整理说明

在本文中，我们将探索TF 2.0的10个功能，这些功能让TensorFlow的使用更加顺畅，减少了代码行并提高了效率，因为这些函数/类属于TensorFlow

发表于 05-20 08:00 •3次下载

如何使用Docker容器中的TensorFlow目标检测API

本文展示了如何使用 Docker 容器中的 TensorFlow 目标检测 API，通过网络摄像头执行实时目标检测，同时进行视频后处理。作者使用的是 OpenCV 和 Python3 多进程和多线程

发表于 11-27 09:08 •1946次阅读

tensorflow能做什么_tensorflow2.0和1.0区别

， TensorFlow为张量从流图的一-端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于

发表于 12-04 14:45 •8010次阅读